2026 article

Towards Objective Obstetric Ultrasound Assessment: Contrastive Representation Learning for Fetal Movement Detection

Talha Ilyas, Duong Binh Nhu, Allison Thomas, Arie Levin, Lim Wei Yap, Shu Gong, David Vera Anaya, Yiwen Jiang, Deval Mehta, Ritesh Warty, Vinayak Smith, Maya Reddy, Euan Wallace, Wenlong Cheng, Zongyuan Ge, Faezeh Marzbanrad

1Citations signalées, ce qui n’est pas une note de qualité

3Institutions déclarées

1Pays d’affiliation déclarés

Rattachement africain : au. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Accurate fetal movement (FM) detection is essential for assessing prenatal health, as abnormal movement patterns can indicate underlying complications such as placental dysfunction or fetal distress. Traditional methods, including maternal perception and cardiotocography (CTG), suffer from subjectivity and limited accuracy. To address these challenges, we propose Contrastive Ultrasound Video Representation Learning (CURL), a novel self-supervised learning framework for FM detection from extended fetal ultrasound video recordings. Our approach leverages a dual-contrastive loss, incorporating both spatial and temporal contrastive learning, to learn robust motion representations. Additionally, we introduce a task-specific sampling strategy, ensuring the effective separation of movement and non-movement segments during self-supervised training, while enabling flexible inference on arbitrarily long ultrasound recordings through a probabilistic fine-tuning approach. Evaluated on an in-house dataset of 92 subjects, each with 30-minute ultrasound sessions, CURL achieves a sensitivity of 78.01% and an AUROC of 81.60%, demonstrating its potential for reliable and objective FM analysis. These results highlight the potential of self-supervised contrastive learning for fetal movement analysis, paving the way for improved prenatal monitoring and clinical decision-making. Our code is available at: https://github.com/Mr-TalhaIlyas/CURL/.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref: Towards Objective Obstetric Ultrasound Assessment: Contrastive Representation Learning for Fetal Movement Detection
Date Crossref: 01/01/2026
Éditeur: Institute of Electrical and Electronics Engineers (IEEE)
Type: journal-article

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

Monash University Department of Obstetrics &amp pays non établi dans la notice
Université ou école supérieure
The University of Sydney pays non établi dans la notice
Université ou école supérieure
UNSW Sydney pays non établi dans la notice
Université ou école supérieure
Faculty of Engineering Department of Electrical and Computer Systems Engineering pays non établi dans la notice
Université ou école supérieure
Faculty of Information Technology AIM for Health Lab pays non établi dans la notice
Université ou école supérieure
School of Biomedical Engineering pays non établi dans la notice
Université ou école supérieure

Department of Obstetrics &amp — Monash University, The University of Sydney et UNSW Sydney, avec 3 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Fetal and Pediatric Neurological DisordersNeonatal and fetal brain pathologyPreterm Birth and Chorioamnionitis

Consulter la publication primaire Ouvrir le DOI